| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与研究意义 | 第9-10页 |
| 1.2 sEMG信号模式识别国内外研究现状 | 第10-12页 |
| 1.3 sEMG信号模式识别的基本问题 | 第12-14页 |
| 1.3.1 sEMG信号获取 | 第12-13页 |
| 1.3.2 肌肉运动时刻sEMG信号检测 | 第13页 |
| 1.3.3 sEMG信号特征提取 | 第13-14页 |
| 1.4 本论文研究内容与结构安排 | 第14-15页 |
| 第2章 sEMG信号产生机理和采集方案 | 第15-27页 |
| 2.1 sEMG信号产生机理与特点 | 第15-16页 |
| 2.1.1 神经肌肉系统的基本功能单位 | 第15页 |
| 2.1.2 sEMG信号的产生机理 | 第15-16页 |
| 2.2 上肢运动与肌肉的对应关系 | 第16-18页 |
| 2.3 sEMG信号与肢体动作模式的关系 | 第18-19页 |
| 2.4 sEMG信号采集实验设计 | 第19-26页 |
| 2.4.1 sEMG信号采集系统介绍 | 第19-20页 |
| 2.4.2 sEMG信号采集方案 | 第20-25页 |
| 2.4.3 sEMG信号采集结果分析 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 sEMG信号起止点检测与肌肉疲劳检测 | 第27-39页 |
| 3.1 sEMG信号的预处理 | 第27页 |
| 3.2 基于改进的TKE算法对肌肉运动信号起止点检测 | 第27-31页 |
| 3.3 基于sEMG信号的肌肉疲劳检测研究 | 第31-38页 |
| 3.3.1 实验过程 | 第31-32页 |
| 3.3.2 实验结果及分析 | 第32-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于sEMG信号的运动特征提取与分类测试 | 第39-71页 |
| 4.1 特征提取 | 第39-52页 |
| 4.1.1 时域特征 | 第39-44页 |
| 4.1.2 频域特征 | 第44-46页 |
| 4.1.3 时频域特征 | 第46-52页 |
| 4.2 分类器选择 | 第52-55页 |
| 4.2.1 贝叶斯决策理论 | 第53-54页 |
| 4.2.2 概率神经网络结构 | 第54-55页 |
| 4.3 分类测试 | 第55-70页 |
| 4.3.1 单独特征测试 | 第56-60页 |
| 4.3.2 组合特征测试 | 第60-68页 |
| 4.3.3 组合特征在自建数据集上的测试 | 第68-70页 |
| 4.4 本章小结 | 第70-71页 |
| 第5章 基于sEMG信号的人体上肢动作实时识别软件设计 | 第71-85页 |
| 5.1 系统结构 | 第71页 |
| 5.2 系统实现 | 第71-80页 |
| 5.2.1 信号实时处理 | 第71-73页 |
| 5.2.2 数据库设计 | 第73-74页 |
| 5.2.3 界面设计 | 第74-80页 |
| 5.3 功能测试 | 第80-84页 |
| 5.4 本章小结 | 第84-85页 |
| 结论 | 第85-87页 |
| 参考文献 | 第87-91页 |
| 附录 | 第91-93页 |
| 攻读硕士学位期间发表的学术成果 | 第93-95页 |
| 致谢 | 第95页 |